音源分离|数据集|MUSDB18-HQ

最新推荐文章于 2024-06-11 09:54:55 发布
最新推荐文章于 2024-06-11 09:54:55 发布
阅读量1k 收藏 7
点赞数 8
分类专栏： 笔记 文章标签： 音频 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/cash_cp/article/details/138520049
版权

一、说明

        MUSDB18-HQ是MUSDB18数据集的未压缩版本。它由总共150首不同风格的完整歌曲组成，包括立体声混音和原始源，分为训练子集和测试子集。

        其目的是作为设计和评估源分离算法的参考数据库。这种信号处理方法的目的是从一组混合物中估计一个或多个源，例如用于卡拉ok应用。

        MUSDB18-HQ包含两个文件夹，一个文件夹包含由100首歌曲组成的训练集:“train”，另一个文件夹包含由50首歌曲组成的测试集:“test”。监督方法应该在训练集上进行训练，并在两个集上进行测试。

        数据集对应的文件结构如下所示。所有音频都是44.1KHz。

二、数据集下载链接

        点击链接MUSDB18-HQ - an uncompressed version of MUSDB18

大模型之三十一-音源分离
shichaog的专栏
09-10 3569
因为TTS模型训练还有几个结果没出，本篇先介绍一下音乐分离模型吧。其实可能你也猜到了，一部分TTS的数据是网上爬来的，这种音频可能会有背景音之类的，这里需要将乐器类的伴奏去掉。所以就此介绍一下本篇文章吧。在选择和使用音乐源分离工具时，没有“一劳永逸”的最佳方案，因为每首歌曲的录制和混音方式都有所不同。因此，尝试和比较不同的模型和设置，根据具体情况调整策略，是达到最佳分离效果的关键。因为本篇集中在对人声的提取，所以重点关注于vocal的性能。
音源分离|Music Source Separation in the Waveform Domain
cash_cp的博客
05-14 1145
本文提出了一种新的时域模型Demucs，它具有U-Net结构和双向LSTM
[语音分离]端到端声源分离研究：现状、进展和未来
五好市民金闪闪的博客
01-06 4657
本文是由罗艺老师主讲的『端到端声源分离研究进展』f分享整理而来。内容主要覆盖了单通道和多通道上端到端音源分离的现状和进展以及未来的研究方向。文末有彩蛋，评论可获取课程学习资料~ 端到端音源分离定义与进展 什么是端到端音源分离呢？罗艺老师首先介绍了端到端音源分离的定义。从名称来看，端到端的含义是模型输入源波形后直接输出目标波形，不需要进行傅里叶变换将时域信号转换至频域；音源分离的含义是将混合语音中的两个或多个声...
musdb18数据集的预处理
weixin_45739320的博客
04-07 1276
win10下处理musdb18数据集 下载musdb18的链接点我 想要将musdb18里的.stem.mp4文件批量处理成wav文件？首先，你需要安装musdb包 pip install musdb 接着，在命令行里运行下面的指令 musdbconvert <your_DIR> <target_DIR> #例如 musdbconvert musdb18 musdb18wav 不过我在用这条命令处理musdb18数据集时遇到了问题： TypeError: Invalid file
用于 MUDB18音乐分离数据集 的 Python 解析器和工具_python_代码_下载
06-15
个用于解析和处理MUDB18 数据集的 python 包，这是用于音乐源分离的最大的开放访问数据集。该工具最初是为音乐分离任务开发的，作为信号分离评估活动 (SISEC)的一部分。 获取数据 musdb附带完整数据集的 7 秒摘录（自动下载），用于快速评估或原型设计。然而，完整的数据集需要通过 Zenodo下载并单独存储（解压缩）。 用法 这个包应该很好地与你现有的 python numpy、tensorflow 或 pytorch 代码集成。在您的项目中使用 musdb 的大多数步骤可能会使用相同的第一步： 设置 musdb 在你的主要 python 函数中导入musdb包并迭代 7 秒的musdb轨道： import musdb mus = musdb.DB(download=True) mus[0].audio 要使用完整数据集，请设置数据集root目录 mus = musdb.DB(root="/path/to/musdb) rootMUDB18 数据集根文件夹的路径在哪里。也可以使用系统环境变量覆盖 root 参数。就export MUSDB_PATH=/path/
MUSDB18-HQ音乐分轨训练集和MUSDB调用方法
机器学习初学者必看，关注我，一起了解机器学习
03-30 3952
MUSDB18-HQ音乐分轨训练集和MUSDB调用方法MUSDB18和MUSDB18-HQ简单介绍MUSDB 组成解析器Musdb库API介绍用法举例设置musdb遍历MUSDB18曲目跟踪属性分离训练集和测试集使用深度学习网络训练musdb评估 Evaluation参考链接 MUSDB18和MUSDB18-HQ简单介绍 musdb18是一个数据集，包含150首不同类型的全长音乐(大约10小时的...
音乐分轨训练集Musdb18与Musdb介绍
weixin_40568091的博客
02-11 5258
音乐分轨训练集Musdb18与Musdb介绍Musdb18&Musdb介绍Musdb18 训练集的数据格式Musdb库API介绍DB类音频类用法举例设置musdb遍历MUSDB18曲目跟踪属性分别处理训练和测试子集使用训练/验证拆分利用musdb训练深度神经网络评价参考连接： Musdb18&Musdb介绍 Musdb18是150个全长度的音乐曲目的数据集（〜10H持续时间）数据集...
音源分离｜MUSIC SOURCE SEPARATION BASED ON A LIGHTWEIGHT DEEP LEARNING FRAMEWORK
cash_cp的博客
04-25 1958
本文中，介绍了一种新的轻量级架构DTTNet，它基于双路径模块和时频卷积时间分布全连接UNet（TFC-TDF UNet）
语音分离任务常用数据集介绍
2301_78524903的博客
04-14 804
这些数据集为研究人员提供了丰富的语音数据资源，以便他们开发和评估不同的语音分离算法和技术。请注意，具体使用哪个数据集取决于研究目标、算法设计和实验需求。同时，使用这些数据集时应遵守相关的版权和使用协议。除了上述提到的数据集外，还有其他一些数据集也常用于语音分离任务的研究，如TIMIT、CHiME等。研究人员可以根据自己的需求选择合适的数据集进行实验和研究。
Python-WaveUNet用于端到端音频源分离的多尺度神经网络
08-11
在实际应用中，我们还需要考虑数据集的准备，包括音频的预处理、分帧、标注等步骤。 ### 应用与挑战 虽然Wave-U-Net在音频源分离方面取得了显著的进步，但依然面临一些挑战。例如，对于实时应用，模型需要足够轻便...
sigsep-mus-db:适用于MUSDB18音乐分离数据集的Python解析器和工具
05-24
音乐数据库 一个用于解析和处理的python包， 集是用于音乐源分离的最大的开放访问数据集。 该工具最初是作为“开发的，是“。 获取数据 musdb随附完整数据集的7秒摘录（自动下载），用于快速评估或原型制作。 但是，完整的数据集需要下载并单独存储（解压缩）。 数据集托管在Zenodo上，并且要求用户请求访问权限，因为这些曲目只能用于学术目的。 我们手动检查此请求。 请不要多次填写表格，通常需要不到一天的时间就可以访问该表格。 安装与设定 软件包安装 您可以使用pip安装musdb ： pip install musdb 使用STEM（默认） MUSDB18自带编码这是一个多轨音频格式，使用有损压缩。 内部的musdb包依赖FFMPEG来解码多流文件。 为方便起见，我们开发了一个名为的python程序包，该程序包可轻松解析主文件并即时对其进行解码。 当您安装musdb （取决于st
Music-Separation-TF:使用STFT和CQT具有各种离线和实时算法的音乐源分离测试台，以及带有MUSDB18-HQ的PEASSBSSv4评估
03-21
音乐分离TF Music-Separation-TF包含用于HPSS（谐波/敲击声源分离）和谐波/敲击/声源分离的MATLAB实现集合： 算法 成分 技术 HPSS 谐波/打击乐 用软掩膜对STFT进行中值滤波 迭代HPSS 谐波/打击乐/残留 带有2个STFT和硬掩模的迭代中值滤波 带有CQT的迭代HPSS 谐音/打击乐/人声 带有2个STFT或1个STFT和1个CQT的迭代中值滤波，用于声源分离 时空拼图 ， 谐波/打击乐/残留 具有1个高1个低频分辨率Gabor分析+带阈值的熵准则的TF超块 WMDCT组套索 ， 谐波/打击乐 2个带有WMDCT帧的Gabor系统，用于音调/瞬态表示+时间和频率上的组套索 具有STFT的实时HPSS 谐波/打击乐 单次通过HPSS，可与滑动STFT和因果中值滤波器实时配合使用 带有sliCQ转换的实时HPSS 谐波/打击乐 单通HPSS可以与s
Deezer 的(Tensorflow)音源分离库，可用命令行直接提取音乐中的人声、钢琴、鼓声等-python
06-18
Deezer 的(Tensorflow)音源分离库，可用命令行直接提取音乐中的人声、钢琴、鼓声等 关于 Spleeter 是 Deezer 源代码分离库，带有用 Python 编写的预训练模型，并使用 Tensorflow。 它可以轻松训练源分离模型（假设您有一个孤立源的数据集），并提供已经训练好的最先进的模型来执行各种风格的分离：人声（歌声）/伴奏分离（2 个词干）人声 /鼓/贝斯/其他分离（4个词干） 人声/鼓/贝斯/钢琴/其他分离（5个词干） 2个词干和4个词干模型在musdb数据集上有很高的表现。 Spleeter 也非常快，因为在 GPU 上运行时，它可以将音频文件分离为 4 个词干，比实时速度快 100 倍。 我们设计了 Spleeter，因此您可以直接从命令行使用它，也可以直接在您自己的开发管道中作为 Python 库使用它。 它可以与 Conda、pip 一起安装或与 Docker 一起使用。 快速入门 想尝试但不想安装任何东西？ 我们已经设置了一个 Google Colab。 准备好深入了解了吗？ 在几行中，您可以使用 Conda 安装 Spleete
spleeter音乐人声分离模型_2stems.tar.gz
02-14
github下载较慢，可以从这下。详细使用请看我写的另一篇《spleeter音乐人声分离环境搭建和运行windows+ubuntu18.04》
探索音乐源分离的艺术：musdb，您的理想工具
gitblog_00050的博客
06-11 466
探索音乐源分离的艺术：musdb，您的理想工具 sigsep-mus-dbPython parser and tools for MUSDB18 Music Separation Dataset项目地址:https://gitcode.com/gh_mirrors/si/sigsep-mus-db 项目简介 musdb 是一个强大的 Python 包，专为解析和处理 MUSDB18 数据集而设计...
MUSDB数据集的预处理
Ag_Seven的博客
04-26 1774
首先，要在官网下载musdb18的MP4格式的数据 下载数据集：MUSDB18 - a corpus for music separation | Zenodo 下载完成之后，还需要在anaconda下载musdb的包，0.2.3和0.4.0都可以 然后就在命令行预处理你的mp4格式数据集 musdbconvert <解压完的mp4数据集> <wav> #例如：musdbconvert <musdb18MP4> <datasets> 然后你就得到如
MUSDB数据集的预处理（方法二）
Ag_Seven的博客
05-22 869
保姆级数据集预处理
学习利用debug来解决musdb数据集问题
qq_45923483的博客
06-25 238
函数用于将多个路径组合成一个有效的路径。它接受多个字符串参数，并根据当前操作系统的规则拼接它们。3、发现mix数组为空，可以领会到这里可能出现问题。4、回顾到代码中，mix_files的语句中，因为现在的路径已经是在output_dir下。所以将代码中的'musdb19'删掉即可。1、选择需要debug的文件。
22. Asteroid: the PyTorch-based audio source separation toolkit for researchers
qq_41887799的博客
05-02 1173
本文介绍了用于研究人员的基于pytorch的音频源分离工具包Asteroid。受到最成功的神经源分离系统的启发，它提供了建立这样一个系统所需的所有神经构建模块。为了提高再现性，还提供了常见音频源分离数据集的 Asteroid’s recipes。本文介绍了Asteroid的软件体系结构及其主要功能。通过展示实验结果获得的Asteroid’s recipes，可以看见我们的实验结果取得了比较好的效果。 代码提供在github.com/mpariente/asteroid. 目录 1.介绍...
声源数据集
最新发布
05-12
<think>好的，我需要帮助用户寻找声源数据集的相关信息，包括下载、使用和评测。首先，我需要回顾用户之前的对话和提供的引用内容，看看是否有相关的数据集信息。 用户之前的问题是关于DeepFilterNet2和WebRTC的性能对比，但现在转向了寻找声源数据集。用户提供的引用中提到了几个数据集，比如DSD100、GTZAN、BEWO-1M，还有SELD2022挑战赛的数据集。这些可能都是相关资源。 首先，我应该整理这些引用中的数据集信息。引用[1]提到SELD2022挑战赛的数据集，涉及声音事件定位和检测。引用[2]详细介绍了DSD100数据集，用于声音分离，特别是音乐分离任务。引用[3]提到了GTZAN数据集，用于节拍检测，可能包含音乐片段。引用[4]介绍了BEWO-1M，一个带有空间描述的双通道音频数据集。引用[5]涉及语音识别测试，但可能相关性较低。 接下来，用户需要下载、使用和评测这些数据集的信息。我需要确保每个数据集的描述中包含这些方面的内容。例如，DSD100的下载地址、使用场景（如音乐分离）、评测指标（如SDR）。同样，其他数据集也需要类似的信息。 此外，用户可能还需要其他常用的声源数据集，比如LibriSpeech、UrbanSound8K、TUT Sound Events等。这些数据集在语音识别、环境声音分类等领域常用，应该补充进去。 需要注意引用格式，每个数据集后面加上对应的引用标记。例如，DSD100在引用[2]中提到，所以标注[^2]。SELD2022的数据集在引用[1]，所以标注[^1]。GTZAN在引用[3]，BEWO-1M在引用[4]。 用户可能需要评测方法，所以需要包括常用的评测指标，如SDR、SI-SDR、PESQ等，并说明这些指标适用的任务，如分离、增强、识别等。 最后，生成的相关问题需要围绕数据集的选择、使用、评测工具展开，确保覆盖用户可能进一步的需求。 需要检查每个数据集的描述是否准确，特别是根据用户提供的引用内容。例如，DSD100的数据划分、音轨信息，BEWO-1M的空间描述特点等是否正确引用。 可能还需要提醒用户注意数据集的许可协议和下载要求，比如是否需要注册或申请权限。 总结步骤： 1. 整理引用中的数据集信息，并正确标注来源。 2. 补充其他常用声源数据集。 3. 提供每个数据集的下载、使用和评测信息。 4. 列出评测指标和方法。 5. 生成相关问题。</think>### 声源数据集资源与使用指南 以下整理了涵盖声源定位、语音分离、音乐分析等场景的常用数据集（含用户引用内容补充），并附下载方式、使用场景及评测指标： --- #### 一、**多场景声源数据集** | 数据集名称 | 特点与用途 | 下载与使用 | 评测指标 | |------------------|---------------------------------------------------------------------------------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------| | **SELD2022** | 真实空间声场数据，支持声源定位与检测任务，包含多麦克风阵列数据[^1] | 通过DCASE官网申请下载：https://dcase.community/challenge2022/task-sound-event-localization-and-detection | - 定位误差（DOA误差）<br>- 检测F1分数 | | **DSD100** | 音乐分离基准数据集，含鼓、贝斯、人声等4音轨立体声数据，适用于音源分离算法研究[^2] | 官方下载：https://sigsep.github.io/datasets/dsd100.html | - 信号失真比（SDR）<br>- 分离谱相似度（SI-SDR） | | **BEWO-1M** | 超大规模双通道音频数据集，含动态声源、多声源空间描述（如"汽车从右前方驶向左前方"），适用于空间音频生成[^4] | 需通过论文作者或合作机构申请访问权限 | - 空间方位重建精度<br>- 语音可懂度（STOI） | | **GTZAN** | 音乐节拍检测数据集，含1000首30秒音乐片段，标注了beat/downbeat时间点[^3] | 官网下载：http://marsyas.info/downloads/datasets.html | - 节拍检测准确率（F-measure）<br>- 强拍对齐误差（Downbeat Alignment Error） | | **UrbanSound8K** | 环境声分类数据集，包含10类城市声音（如狗吠、钻孔声），适用于声源识别与分类 | 下载地址：https://urbansounddataset.weebly.com | - 分类准确率（Accuracy）<br>- 混淆矩阵分析 | --- #### 二、**其他常用声源数据集** 1. **LibriSpeech** - 用途：语音识别训练与测试 - 内容：1000小时英文朗读音频+文本 - 下载：http://www.openslr.org/12 - 评测：词错误率（WER）[^5] 2. **TUT Sound Events** - 用途：声音事件检测（如玻璃破碎、警报声） - 内容：多场景音频标注事件起止时间 - 下载：https://zenodo.org/record/45739 3. **MUSDB18** - 用途：音乐源分离（人声、鼓、贝斯等） - 内容：150首全曲目（含STEM分轨） - 下载：https://sigsep.github.io/datasets/musdb.html --- #### 三、**数据集使用与评测方法** 1. **下载注意事项** - 检查数据许可协议（如CC-BY、非商业用途限制） - 部分数据集需注册学术邮箱申请（如BEWO-1M[^4]） 2. **典型评测指标** - **语音分离/增强**：SDR（信号失真比）、SI-SDR、PESQ（语音质量感知评估） - **声源定位**：DOA误差（方位角偏差）、距离误差 - **事件检测**：F1分数、精确率-召回率曲线 3. **工具推荐** - 评测库：`mir_eval`（音乐分析）、`sed_eval`（声音事件检测） - 处理框架：Librosa（音频特征提取）、PyTorch Audio（数据加载） --- ### 相关问题 1. 如何选择适合声源定位任务的数据集？ 2. 音乐分离任务中DSD100和MUSDB18数据集有何区别？ 3. 评测声源定位算法需要哪些工具和指标？ 4. 如何处理带有空间信息的音频数据集（如BEWO-1M）？
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值